一、前言
参考了作者布咯咯_rieuse的《爬取豆瓣电影中速度与激情8演员图片》一文，原文地址：爬取豆瓣电影中速度与激情8演员图片 。于是开始学习、模仿、改进。把自己学习的过程在此整理，与大家一起分享。
目标：爬取图片，并用对应图片的明星中文名字为文件名保存于电脑中。
地址：战狼2
二、分析
本次爬取使用第三方的requests库，同时也是使用了urllib.urlretrieve函数下载文件。
解析主要使用了BeautifulSoup，部分也使用了re正则表达式
1、导入需要的库
import requests
from bs4 import BeautifulSoup
2、获取地址，使用BS库并使用lxml解析器
html=requests.get(url).content
soup=BeautifulSoup(html,'lxml')
3、抓取<title>标签中的片名作为文件的保存目录
movie=soup.title.string.split(' ')[0]
4、抓取演员和对应的图片url
从下图中分析可知中间的<div class="list-wrapper">对应的才是所有演员的信息，所以我们用BS抓取中间的部分，代码如下：
tags=soup.find_all(class_='list-wrapper') #BS遍历所有的list-wrapper类
starts=[]
for tag in tags[1].find_all('li') #使用list-wrapper[1] 获取对应的演员的类，再次遍历其下的li 标签
title=tag.a['title'].split(' ')[0] #获取演员名字，去除后面英文名字
img_url=re.findall(r'https://img\d.doubanio.com/img/celebrity/medium/.*.jpg',str(tag))[0] #正则表达式获取图片信息，正则表达式返回列表，使用[0]获取数据
stars.append([title,img_url]) #追加拼装数据
三、完整代码：
######1、geturl.py
#coding=utf-8
import requests
from bs4 import BeautifulSoup
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
def geturl(url):
html=requests.get(url).content
soup=BeautifulSoup(html,'lxml')
return soup######2、download_doupan.py
import geturl,re,urllib,os
soup=geturl.geturl('https://movie.douban.com/subject/20451290/celebrities')
movie=soup.title.string.split(' ')[0]
tags=soup.find_all(class_='list-wrapper')
stars=[]
for tag in tags[1].find_all('li'):
title=tag.a['title'].split(' ')[0]
img_url=re.findall(r'https://img\d.doubanio.com/img/celebrity/medium/.*.jpg',str(tag))[0]
stars.append([title,img_url])if not os.path.exists(movie):
os.makedirs(movie)
for star in stars:
filename=os.path.join(movie,star[0]+'.jpg')
with open(filename,'w') as f:
urllib.urlretrieve(star[1],filename)
